基于无人机的河床地形测量技术在中型河流砾石底质生境的测绘与水文形态评估中的应用

《Geomorphology》：UAV-derived bathymetry of a gravel-bed river mesohabitat mapping and hydromorphological assessment

　　

Rohit Sharma | Milo? Rusnák | Zulfequar Ahmad | Rahul Dev Garg | Soheyl Moradi | Matej Vojtek

摘要

精确且空间连续的河床地形数据对于水力建模、栖息地评估以及理解地貌变化至关重要，但传统的地面测量方法劳动强度大且覆盖范围有限。本研究提出了一种基于无人驾驶飞行器（UAV）的集成框架，用于2015年和2022年斯洛伐克西部喀尔巴阡山脉Belá河砾石河段的高分辨率地形数据获取和水文地貌评估。利用原始分辨率为5厘米的UAV拍摄的红色-绿色-蓝色（RGB）图像提取了实地测量点的水深光谱信息，并开发了光学深度估算模型。为了研究尺度对地形预测的影响，在多分辨率框架下评估了不同网格尺寸（从10厘米到200厘米）下的光谱预测因子。测试了两种光谱特征集（对数RGB波段比值、额外的亮度和饱和度描述符）以及四种建模方法（线性、二次方、指数和随机森林），并通过均方根误差（RMSE）、归一化均方根误差（NRMSE）和决定系数（R2）来评估模型性能。采用基于帕累托原理的多目标优化方法，在预测准确性和空间分辨率之间找到最佳平衡。所得到的深度图随后与基于UAV的结构从运动（SfM）地形模型结合，通过从水面高度中减去模型计算出的深度来重建河床高程。这些地形模型被用作MIKE+软件中的二维（2D）水力模拟输入，其中曼宁粗糙度系数根据每年观测到的水流范围进行了校准。为确保比较的一致性，所有模拟均在相同的流量条件下进行，从而消除了与水流相关的变异性。利用深度和流速数据计算弗劳德数，并将河流地貌分为八类（静水区、浅水区、慢速流区、快速流区、急流区、跌水区及湍流区）。结果表明，通过减少辐射噪声，模型在中等空间分辨率下的稳定性得到了提升。水文地貌分析显示，水流条件趋于更浅、更快且能量更大，跌水区面积增加而快速流区面积减少，这反映了河道侵蚀和地貌的调整。本研究证明，将UAV获取的地形数据与水力建模相结合，为分析砾石河床及栖息地动态提供了一个可靠的框架。